Я хочу построить кривую обучения, чтобы увидеть прогресс нейронной сети в ходе ее обучения. Горизонтальная ось представляет собой общее число итераций, при этом вертикальная ось представляет коэффициент ошибок. Я хотел видеть как частоту ошибок теста, так и тренировку, по мере прогрессирования сети.пакет neuralnet в R - как получить вес до конвергенции обучения?
nn <- neuralnet(f,
data = train,
hidden = 2,
linear.output = F,
threshold = 0.01,
stepmax = 10,
lifesign = "full",
learningrate = .1,
algorithm='backprop')
Устанавливая stepmax = 10 (или 50, или?) Я надеялся, чтобы иметь возможность изучить сеть до конвергенции, увидеть, что процент ошибок на тест и обучающего набора, а затем продолжить обучение еще 10 шагов. (Частично) обучение нейронной сети называется пп, и я планировал установить startweights до весов, полученных в прерванном обучения следующим образом:
# Try to further train alerady trained net
nn <- neuralnet(f,
data = train,
hidden = 2,
linear.output = F,
threshold = 0.01,
lifesign = "full",
learningrate = .1,
startweights = nn$weights,
algorithm='backprop')
Однако тренинг дал предупреждение, что «алгоритм не сходиться в 1 из 1 повторений (ов) в пределах stepmax ". Я не ожидал, что он сходится, но те 10 завершенных учебных этапов должны были изменить первоначальные случайные веса. Увы, nn $ weight равно NULL.
Кто-нибудь знает, как это сделать, используя neuralnet?